元素百科为您介绍人工智能软件，帮助设计新的太阳能电池材料。研究人员利用机器学习设计了新的有机光伏聚合物(太阳能电池)。挖掘前人研究数据后，将聚合物的物理特性和由此产生的太阳能电池效率输入随机森林模型，统计预测新材料的有效性。与目前的试错实验相比，这种基于信息学的筛选方法与传统的知识指导设计相结合，可以大大加速太阳能电池的发展。
太阳能电池将在转向可再生经济方面发挥关键作用。有机光电(OPVs)以吸收光的有机分子和半导体聚合物为基础，是一种非常有前途的太阳能电池。
OPVS由廉价、轻质的材料制成，安全性好，易于生产。然而，它们的功率转换效率(PCEs)-能够将光转化为电能仍然太低，无法大规模商业化。pce既取决于有机聚合物层，也取决于聚合物层。传统上，化学家通过试错方法进行了不同组合的实验，浪费了大量的时间和精力。
目前，大阪大学的一个研究小组使用计算机自动搜索匹配的太阳能材料。这可能会在未来带来更高效的设备。这项研究发表在《物理化学快报》杂志上。
第一作者长川真思（音译）解释说：“聚合物的选择影响了几个特性，如短路电流，这直接决定了PCE。然而，设计性能更好的聚合物并不容易。仅仅依靠传统的化学知识是不够的。相反，我们使用人工智能来指导设计过程。
大型复杂的数据集可以通过检测人类专家回避的统计趋势来理解。该小组收集了关于500项研究的1200份数据。利用随机森林机器学习，他们建立了OPVS带间隙、分子量、化学结构及其pce模型，结合前人的研究成果，预测了潜在新设备的效率。随机森林发现材料的性能与opv的实际性能有关。该模型用于理论上PCE预期聚合物的自动筛选。然后，筛选实际上可以合成的物质。
该策略促使研究小组开发了一种以前未经测试的新型聚合物。在这一事件中，基于第一次尝试的实用OPV被证明不如预期的有效。然而，该模型为结构-属性关系提供了有用的见解。它的预测可以通过研究更多的数据来改进，如水中聚合物的溶解度或骨架的规律性。
Akinoriiinini Saeki说:“机器学习可以极大地促进太阳能电池的发展，因为它可以在实验室中立即预测需要几个月的结果。”当分子设计师必须选择探索的方式时，这并不是一个简单的人类因素的替代品，它可以提供关键的支持。”
